总体上看，地质调查大数据处理需要面向实际工作，提供多种计算模式的服务。
（4）分析与挖掘地质数据定量分析一直是地质调查重要的工作内容，但赵鹏大[4]认为，目前地球科学的分析和可视化方法已经远远落后于创造数据的能力。地质调查大数据分析与挖掘技术首先要解决的问题是地质调查工作区多来源、多模态、多时态数据的相关性和模式分析，这样的分析可以克服个体的波动性，发现更多可靠的、隐藏的模式和知识。地质调查大数据分析与挖掘的技术问题还表现在以下4个方面：
第一，以往地质调查数据分析的一个重要方法是采样，当数据体量比较大时，可以通过采样技术把数据规模变小[5].很显然，在很多地质问题中，采样意味着信息的丢失。如果不运用采样技术，考虑对地质调查大数据全集进行分析，意味着需要分析的数据量急剧膨胀与增长，其面临的技术问题就是体量巨大的数据如何分析。
第二，以往地质调查数据分析方法集中于线性空间中的统计方法，以及一些初级的非线性方法，在小样本上运用这些方法获取局域的地质特征。当在地质调查大数据上运用这些方法时，令人不安的结果往往是方法收敛早于数据规模波动，有必要针对地质调查大数据的一些方法进行改造，或者提出新的方法，这是地质调查大数据分析与挖掘面临的另一项技术问题，即深度分析。
第三，集合了地质描述、地质数据、地质图表、地质认识的地质调查资料价值巨大，目前，地质调查资料处理技术主要集中在前处理和检索查询方面，而地质调查综合资料的深度分析与挖掘是地质调查大数据分析与挖掘面临的重要技术问题。
第四，地质矿产资源评价、地质环境监测预警等重要业务在不断发展，对数据与计算技术的要求更精致、更敏捷，实现对这些重要业务的有效技术支撑是地质调查大数据分析与挖掘面临的基本技术问题。
地质调查大数据分析与挖掘的另一类技术问题源于地质调查信息化服务。网络形式的公众服务必然产生公众访问数据，这些数据以某些特定形式存储，对这些数据的分析与挖掘有助于优化服务系统配置，提高服务质量与效率。在这方面，一些通用的分析与挖掘技术可以派得上用场，而具有地质调查特色的分析与挖掘技术是需要重点关注的，如地质调查空间数据热点技术、地质图块的快速检索技术、地质图块与地质资料快速匹配技术等。
（5）可视分析有别于一般的数据处理工作，地质调查工作中很大一部分地质问题是地质专业技术人员在空间数据或图件基础上进行综合分析后解决的，这种解决问题的模式为地质调查大数据可视分析技术提供了可能。可视分析就是通过交互可视界面来进行分析、推理和决策的过程[6],本质也是知识发现。
可视分析与一般分析与挖掘的不同在于，其不依赖于数学模型，而是一种探索式分析，这与很多地质问题的解决模式一致。
地质调查大数据可视分析的技术基础是多年积累的地质体建模、地质过程建模、地质调查数据可视化及其交互的技术，可视分析就是在这些技术的基础上，克服高维性、不确定性和异构性，研究开发从复杂地质调查数据中抽取有效特征的方法，通过探索式分析完成地质调查大数据中知识发现，其基本技术流程如图1所示。
当前的机器智能在复杂地质数据的视觉识别和理解方面远不及人脑智能，而超过50%的智能与视觉识别有关。因此，对地质特征模型可视化结果的修正和判断，体现出人脑智能和机器智能的差异，其中蕴含的就是新知识。探索式可视分析以人脑智能向机器智能的转换、机器智能向人脑智能的展示为主线，实现地质认识的螺旋式进化，在这一方面，需要解决的技术难题包括：①对地质体和地质现象的数据或参数的输入常常存在谬误和不精确，因而人脑智能转换为机器智能是多人协同、反复修正的过程；②地质调查大数据环境下，各种可视分析方法需要具备可扩充性和容纳不同对象的能力，这样才能支持多来源、多时态的地质大数据处理。
（6）隐私与安全隐私是不愿意被他人知道或他人不便知道的敏感信息[7].地质调查大数据以服务为重要目标，因此存在服务参与人的隐私问题。安全指不受威胁，没有危险、危害、损失[8].信息安全指采取技术和管理的安全保护手段，保护软硬件与数据不因偶然的或恶意的原因而遭到破坏、更改、显露[9].数据安全一直是地质调查信息化工作的重要内容。
地质调查大数据隐私与安全面临的新情况和带来的威胁与挑战如表6所示。地质调查大数据隐私与安全需要法律、政策、管理与技术共同维护，从技术层面，当前主要隐私和安全保护方法包括：文件访问控制技术、基础设备加密、匿名化保护技术、加密保护技术、数据失真技术、可逆置换算法等。
4 科学问题
地质调查大数据的研究处于探索阶段，地质调查大数据处理技术开发也处于起步阶段，因而对地质调查大数据研究中的科学问题准确描述还十分困难，这里把科学问题讨论限制在地质大数据范畴，也就是地球信息的范畴，探索性地提出2个带有普遍性与根本性的问题。
（1）地质大数据仅仅是地质世界的数据映象，还是具有反映地质世界规律能力的数据世界？地质科学一直以来以科学实验、知识归纳为主要研究手段，近几十年来数值模拟也有一些发展。赵鹏大[10]指出，当前已经进入大数据时代，大数据成为新的科学范式（数据密集型科学研究的“第四范式”[10]），是一场技术革命、颠覆性创新[11].那么，地质大数据的关联关系与地质世界的因果关系之间存在怎样的联系？或者表述为：地质大数据的相关性研究与地质科学研究功效一致，还是仅仅是地质科学研究的补充？在简单的、封闭的系统中，基于小数据的因果关系是很容易做到的，但对复杂的、开放的巨系统，传统的因果关系是不是奏效很难说。地质大数据进行的关联分析是“知其然而不知其所以然”的，相关性表达2个或多个地质变量取值之间的某种规律性，严格地说，统计相关性是无法检验逻辑上的因果关系的[12].不过一些支持者，如 Mayer-Schnberger[13]在《大数据时代》一书中指出了大数据时代处理数据理念的三大转变，即要全体不要抽样，要效率不要绝对精确，要相关不要因果。也就是“数据-信息-知识-智慧”要让位于“数据-价值”的研究思路。当前，面对地质大数据，地质科学研究人员有可能从中查找、分析或挖掘所需要的信息、知识和智慧，甚至无需直接接触所研究的对象。
（2）地质大数据关系网络的本质特征是什么？地质数据之间复杂的网络关系是地质大数据的存在形式，深入分析地质大数据关系网络，才能把握地质大数据的本质。针对大型复杂的研究区域，地层、物探、化探、影像等数据之间的关系如何定量表达，这一系列表达关系的变量中是不是存在一些整体上有规律的部分，这是地质大数据背后的关系网络研究的重要内容。
5 地质调查大数据处理技术开发方法
地质调查大数据处理技术的开发既要继承以往地质数据处理技术开发的一些方法与技巧，更要考虑在开发思路上的不同之处。
（1）为了降低成本，提高能效，地质调查大数据相关系统需要摆脱传统的通用体系，趋向专用化架构技术[14],适度抽象有利于整体把握地质调查大数据处理技术的一致性与协调。
（2）以往地质调查数据处理技术和系统更多地是面向3S技术，一些系统是3S技术在地质调查工作中的应用，对地质调查服务与应用环境、性能等方面缺乏深入工作。地质调查大数据处理技术开发只关注3S技术已经不够，还要关注信息科学与技术的发展，尤其是计算机科学与技术的发展。
（3）重视具体应用软件开发、忽视软硬件集成开发是以往地质调查数据处理系统开发时的缺陷。地质调查大数据处理技术开发不仅要关注软件，还要关注系统，尤其是信息系统与物理系统结合、信息技术与自动化技术结合。
（4）以往地质调查数据处理系统开发偏重系统功能的实现，地质调查大数据处理技术开发只关注功能实现已经不可能了，还要关注性能与复杂度，开发难度提升。
（5）地质调查大数据处理所涉及的数据与计算规模是空前的，必须有精准的需求分析，以及完整、可靠的技术设计，在严格的技术监督下逐步展开，否则可能造成经费和时间的浪费。
6 结 语
地质调查大数据处理技术是地质调查信息化服务的技术核心，以信息化服务产品体系推动资源共享是当前的重要目标。地质调查大数据研究，应从分析以往解决得不理想的地质问题入手，充分利用新一代信息技术，更新当前数据处理环境，在新环境下提出合理、有效的解决方案。另外，考虑在数据体量增大、类型复杂、响应时间有要求的情况下，针对以往解决得不理想的地质问题，着重进行地质数据的智能分析与深度挖掘，考虑合理、有效的解决方案。
参考文献
[1]孙广宇，王鹏，张超。基于新型非易失存储的存储结构[J].中国计算机学会通讯，2014,10（4）：18-25.
[2]Scott C. Latency Numbers Every Programmer [EB/OL]（2015-01-28）[2015-02-03]2015.
[3]哈索。亚历山大·蔡尔。内存数据管理[M]. 北京： 清华大学出版社，2012.
[4]赵鹏大。 大数据时代需重视数字地质研究。中国国土资源报， 2013.
[5]覃雄派，王会举， 杜小勇， 等。 大数据分析--RDBMS 与MapReduce 的竞争与共生[J]. 软件学报， 2012, 23（1）： 32-45.
